自动求导（动手学深度学习v2）

最新推荐文章于 2024-06-22 09:15:04 发布

原创最新推荐文章于 2024-06-22 09:15:04 发布 · 1.5k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#李沐 #动手学深度学习

深度学习专栏收录该内容

51 篇文章

订阅专栏

本文介绍了如何使用PyTorch进行基本的数值计算，包括创建张量、设置梯度追踪、计算乘法表达式的梯度，并演示了反向传播的过程。通过实例展示如何累积和清零梯度，讲解了在深度学习中核心的自动求导功能。

部署运行你感兴趣的模型镜像

import torch
x = torch.arange(4.0)
print(x)
x.requires_grad_(True)#存梯度
x.grad
print(x.grad)

y = 2 * torch.dot(x, x)
print(y)

#反向传播计算y关于x每个分量梯度
y.backward()
print(x.grad)
print(x.grad == 4 * x)

#默认情况会累积梯度
x.grad.zero_()
y = x * x
y.sum().backward()
print(x.grad)

您可能感兴趣的与本文相关的镜像